論文の概要: Co-Modifying Application Code and Deployment Infrastructure: A Causal Study of AI Agent Pull Requests

• arxiv url: http://arxiv.org/abs/2610.12849v1
• Date: Fri, 09 Oct 2026 01:16:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.337206
• Title: Co-Modifying Application Code and Deployment Infrastructure: A Causal Study of AI Agent Pull Requests
• Title（参考訳）: アプリケーションコードとデプロイメントインフラストラクチャを共修正する - AIエージェントプルリクエストの因果的研究
• Abstract要約: アプリケーションコードとデプロイメントインフラストラクチャの両方を変更するデュアルスコーププルリクエスト(PR)の統合オーバーヘッドを評価します。 エージェントは主にアプリケーションコーダとして動作し、メンテナンスタスクはエージェントPRの17.70%から25.41%をキャプチャしている。 第1モードでは、明示的にレビューされたコントリビューションが遅れを招き、中央値のペナルティが+13.13時間となり、マージまでの時間は3.24倍になった。
• 参考スコア（独自算出の注目度）: 0.10742675209112622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current software engineering agents are evaluated predominantly inside isolated sandboxes against synchronous local tests. However, deploying features in collaborative repositories requires modifying continuous integration (CI/CD) pipelines, containers, and provisioning manifests alongside application logic. Because agents lack deployment awareness, attempting cross-domain modifications introduces unverified dependencies into asynchronous integration pipelines. To isolate the causal integration overhead of dual-scope pull requests (PRs)-modifying both application code and deployment infrastructure-we evaluated 26,999 PRs across two large datasets (AIDev v5 and MOSAIC-3M) encompassing six agent architectures and an aligned human baseline. Using a deterministic four-tier file taxonomy and an exact 4D strata-matching framework, we isolated integration metrics under conditional exchangeability while controlling for application volume. We find agents operate primarily as application coders or chore workers, with maintenance tasks capturing 17.70% to 25.41% of agent PRs. Dual-scope modifications represent only 4.48% to 4.55% of agentic PRs, yet trigger bimodal integration outcomes. In the first mode, explicitly reviewed contributions experience protracted delays, adding a median penalty of +13.13 hours and multiplying time-to-merge by 3.24x, driven mechanically by CI/CD and provisioning manifests. In the second mode, maintainer gatekeeping exhibits a structural bypass: even for external contributors lacking repository write access, agent identity reduces the odds of human review by 63.7% compared to human peers. Consequently, 43.1% to 56.2% of dual-scope PRs bypass inspection to merge silently in a median of under 31 minutes. These uninspected modifications compromise build verification, demonstrating the need for deployment-aware benchmarks and strict path-based access controls.
• Abstract（参考訳）: 現在のソフトウェアエンジニアリングエージェントは、主に、同期ローカルテストに対して分離されたサンドボックス内で評価される。 しかしながら、コラボレーティブリポジトリに機能をデプロイするには、継続的インテグレーション(CI/CD)パイプライン、コンテナを変更し、アプリケーションロジックと一緒にマニフェストをプロビジョニングする必要がある。 エージェントにはデプロイメントの意識が欠けているため、クロスドメイン修正の試みは、非同期統合パイプラインに未検証の依存関係を導入する。 2つの大きなデータセット(AIDev v5とMOSAIC-3M)にまたがる26,999のPRを6つのエージェントアーキテクチャとアライメントされたヒューマンベースラインで評価した。 決定論的4階層ファイル分類法と正確な4次元階層マッチングフレームワークを用いて,アプリケーションボリュームを制御しながら条件交換性の下で統合メトリクスを分離した。 エージェントは主にアプリケーションコーダや雑用作業員として動作し、メンテナンスタスクはエージェントPRの17.70%から25.41%をキャプチャしている。 デュアルスコープの修正は、エージェントPRの4.48%から4.55%にすぎないが、バイモーダル統合の結果を引き起こす。 第1モードでは、明示的にレビューされたコントリビューションは遅延が引き起こされ、中央値が+13.13時間となり、CI/CDによって機械的に駆動される3.24倍のタイム・トゥ・マージが加わった。 第2のモードでは、メンテナのゲートキーピングは構造的なバイパスを示す: リポジトリの書き込みアクセスを欠いている外部のコントリビュータであっても、エージェントのアイデンティティは人間のレビューの確率を人間のピアと比べて63.7%削減する。 その結果、二重スコープPRの43.1%から56.2%は検査をバイパスし、31分以内の中央値で静かにマージする。 これらの未検討の修正は、ビルド検証を妥協し、デプロイメント対応のベンチマークと厳格なパスベースのアクセス制御の必要性を実証する。

関連論文リスト

• ASAD: Adaptive Software Agents for Debugging [0.19116784879310023]
  本稿では,各バグの性質と複雑さに応じてチームを構成するデバッグのための適応エージェントシステムASADを紹介する。 集中的なコーディネータは、反復的な計画、リフレクション、実行を通じて、このプロセスを編成します。 我々は,Defects4J,DebugBench,CodeFlawsの3つのベンチマークに対して,DeepSeek-V3,Qwen-3,GPT-5などの複数のLSMを用いてASADを評価する。
  論文  参考訳（メタデータ） (2026-09-30T19:32:44Z)
• SENTINEL-RL: Offloading Topological Reasoning from LLM Agents in the Security Operations Center [0.0]
  Sentinel-RLは、意味論的推論から位相論的推論を分離するエージェントSOCアーキテクチャである。 本稿では,LANL Comprehensive, Multi-Source Cyber-Security Events データセット, インディアナ大学クォーツHPCクラスタ上でシステムをインスタンス化する。
  論文  参考訳（メタデータ） (2026-09-03T17:49:12Z)
• A Few Pages of Markdown: Committed AI Configuration and Lower Quality Cost after Coding-Agent Adoption [33.31789388282026]
  コーディングエージェントは開発速度を増加させるだけでなく、技術的負債も増す。 以前の作業では、採用者の平均的な影響しか報告せず、チーム間の大きな違いを隠蔽しています。 私たちは、バージョン管理アーティファクトに基づく4段階の累積成熟モデルであるRAMPを紹介します。
  論文  参考訳（メタデータ） (2026-08-26T00:00:48Z)
• AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities [55.23913617185508]
  Agentは、LLM(Large Language Models)ベースのエージェントを評価するための、オープンソース、軽量、インフラストラクチャである。 Benchmark、Harness、Environmentという3つの独立したコンポーネントに関する評価プロセスを編成する。 フォールトトレラントなランタイムと、報酬ハックのような障害モードを透過的に診断する包括的なトラジェクトリ分析ツールを備えている。
  論文  参考訳（メタデータ） (2026-07-15T11:11:17Z)
• INTACT: Ego-Guided Typed Sparse Evidence Retrieval for Heterogeneous Collaborative Perception [50.64511548643398]
  異種知覚のためのエゴ誘導型スパースエビデンス検索フレームワークを提案する。 IntACTは、エゴの車両に、疑わしい物やエビデンスに欠ける地域を表す型付きエビデンスクエリを発行する。 シミュレーションおよび実世界の異種知覚ベンチマークの実験は、INTACTの有効性とデプロイ性を検証する。
  論文  参考訳（メタデータ） (2026-06-03T04:34:53Z)
• BLAgent: Agentic RAG for File-Level Bug Localization [2.2917707112773593]
  BLAgentはファイルレベルのバグローカライゼーションのための新しいエージェントRAGフレームワークである。 BLAgentは、オープンソースモデルで78%以上のTop-1精度を達成した。 BLAgentは、エンドツーエンドの修復の成功を20%以上改善する。
  論文  参考訳（メタデータ） (2026-05-18T07:20:13Z)
• Agent-First Tool API: A Semantic Interface Paradigm for Enterprise AI Agent Systems [1.3259123126940986]
  本稿では,ツールインタラクションを検索,解決,プレビュー,実行,検証,フェーズ回復に分解するAgent-First Tool APIパラダイムを提案する。 このパラダイムは、6つのビジネスドメインに85の登録ツールを提供する実運用マルチテナントプラットフォームで実装され、検証されている。
  論文  参考訳（メタデータ） (2026-05-11T13:30:43Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。